影响我国大豆价格变动的因素分析

杜 蓉，朱丽娟

(哈尔滨工程大学 经济管理学院,危机管理研究所，哈尔滨150001)

专题论述

影响我国大豆价格变动的因素分析

杜 蓉，朱丽娟

(哈尔滨工程大学 经济管理学院,危机管理研究所，哈尔滨150001)

近些年我国大豆价格变动比较显著，并且呈现不规则性，其原因是国内外的环境越来越趋于复杂化，经济形势日益严峻，行业间的竞争逐渐激烈，并且大多数加工企业过分地依赖进口大豆，导致目前国内对国产大豆供过于求。运用计量经济学和统计学的原理对影响大豆价格变动的因素进行分析和检验，结果显示玉米油价格和大豆消费量对大豆价格有显著影响，与大豆价格呈正相关关系。研究结果可为相关政策部门判断大豆价格的变化趋势和制定相关的政策提供依据。

大豆；计量经济学模型；价格；影响因素

我国素来以农业大国著称，农作物出口世界各地，主要农作物包括大豆、小麦、水稻、玉米等，其中大豆是很好的植物油料之一，深受我国消费者喜欢。大豆价格受到很多因素的影响，赵玉[1]运用趋势项和季节漂移项的变结构协整模型，研究得到国际大豆价格之间存在均衡机制，发现大豆供给的淡旺季对应着不同的价格传导与均衡机制。王锐[2]运用协整理论和误差修正模型等方法研究了国际大豆市场与我国大豆市场之间的关系，得到国际大豆价格对我国大豆价格有显著的影响，而我国大豆价格对国际大豆市场价格的影响有限。王杜春等[3]从需求与供给、国家政策、国际经济市场等角度对影响黑龙江大豆价格波动的因素进行分析，发现影响大豆价格变化的因素有大豆总产量、生产成本、受灾面积、花生油价格、进口量、居民收入等。李建伟等[4]通过单整检验、格兰杰因果检验等检验方法，研究得到货币供给量是大豆价格变化的格兰杰原因。顾蕊等[5]研究发现国际大豆收益率对我国大豆收益率有价格溢出效应，反之则不存在。周佳佳等[6]研究发现我国大豆进口量、国际大豆现货价格和我国大豆油现货价格都与我国大豆价格有较强的正相关关系，其中我国大豆油现货价格对我国大豆价格的影响作用最大，因为两者是处于同一产业链上不同阶段的互补产品。此外，还有刘欢等[7]从供需和宏观经济方面，分析得出国际大豆产量、我国消费者信心指数和我国货币供给量是影响我国大豆价格的主要影响因素，发现国际大豆产量与我国大豆价格成负相关关系，我国货币供应量与我国大豆价格成正相关关系，同时消费者信心指数也对我国大豆价格有较大的影响，消费者信心指数越高，越会拉高我国大豆价格。姚巧倩等[8]对我国大豆的进出口贸易与国内外大豆价格是否相互影响进行研究，发现国际大豆价格影响我国大豆价格；我国大豆进口量对我国大豆价格有影响，但我国大豆价格不影响我国大豆的进口；我国大豆进口量不受国际大豆价格的影响，但我国大豆进口量能够影响国际大豆价格的变化。上述学者从不同角度研究了大豆价格变化影响因素，但其中玉米油产量、玉米油价格、大豆进口量和大豆消费量对我国大豆价格变化的影响尚未涉及，因此本文利用计量经济学和统计学原理进行分析研究。

1 模型的构建

利用计量经济学原理建立模型的实质是利用回归分析方法对所收集的数据进行分析和预测。

1.1 模型建立分析

通过对文献的查阅和分析，可以看出玉米油产量、玉米油价格、大豆进口量和大豆消费量对大豆价格变化有一定的影响，同时对大豆供求平衡也存在影响，所以在即将建立的模型中把玉米油产量、玉米油价格、大豆进口量和大豆消费量作为解释变量来解释大豆价格的变化，并运用线性回归方法对其进行分析，其中玉米油产量作为解释变量X1、玉米油价格作为解释变量X2、大豆消费量作为解释变量X3、大豆进口量作为解释变量X4，大豆价格作为被解释变量Y。

1.1.1 数据的统计分析

通过查阅中国统计年鉴2005—2015年的大豆价格、玉米油产量、玉米油价格(一级玉米油)、大豆进口量和大豆消费量数据，整理得到表1，并利用Eviews软件对表1中数据进行描述性统计分析，统计分析结果见表2。从表2中可以看出，大豆的平均价格是3 676.636元/t，玉米油平均产量44.909 09 万t，玉米油平均价格8 113.129元/t，大豆平均消费量是6 689.682万t,大豆平均进口量是4 976.339万t。大豆价格的最大值是4 950元/t，最小值2 330元/t，玉米油产量的最大值100万t，最小值12.44万t，玉米油价格的最大值10 575元/t，最小值5 150元/t，大豆消费量的最大值9 364万t，最小值是4 360万t，大豆进口量的最大值8 169万t，最小值是2 659万t，这些数据反映出2005—2015年间大豆价格、玉米油产量、玉米油价格、大豆消费量、大豆进口量变化波动很大。标准偏差表示数据离散程度的标准差，其值可以看出大豆价格、玉米油产量、玉米油价格、大豆进口量和大豆消费量5个变量的数据存在一定的上下波动但总体有规律可循。统计量Jarque-Bera是检验变量总体分布是否服从正态分布，其值在0或3附近是服从正态分布，从数据结果(Y、X1、X2、X3、X4的Jarque-Bera分别为0.471 226、0.762 918、0.719 667、0.827 972、0.641 639)显示数据不服从正态分布，而是接近线性分布。

表1 2005—2015年解释变量和被解释变量的数据

表2 统计分析结果

1.1.2 相关性分析

相关性分析是指对具有相关性的变量之间进行分析，衡量变量之间的相关密切程度。只有变量之间存在较强的相关性才能够进行模型的建立，否则就没有意义，所以需要分析解释变量与被解释变量间的相关关系，建立的模型才具有实际意义。下面利用Eviews软件绘制出大豆价格与玉米油产量、玉米油价格、大豆进口量和大豆消费量的线性相关图(见图1)。

图1 2005—2015年各变量之间的线性相关图

从图1中可以看出，大豆进口量和大豆消费量总体呈现持续上升的趋势，玉米油价格呈现上下波动趋势，大豆价格起初呈现逐渐上升的趋势，后期呈下降趋势，由此可判断玉米油产量、玉米油价格、大豆进口量和大豆消费量对大豆价格产生了影响，具体做相关性分析，结果见表3。

表3 各变量的相关系数

根据相关性的判断原则，当变量之间相关系数在0.8以上时属于高度相关，这说明表3中Y与X2、X3和X4之间存在高度相关，所以可以建立我国大豆价格的计量经济学模型。

Y=C+C1X1+C2X2+C3X3+C4X4+u

式中：C1、C2、C3、C4、C、u为待估计参数。

建模原理是基于非线性最小二乘法和自回归移动平均，运用最小二乘法对模型进行估计和检验。建立好模型后利用Eviews软件进行参数估计，在本文中选用回归分析方法对参数进行估计，回归分析结果见表4。

表4 回归分析结果

注：可决系数0.897 448，调整后的可决系数0.829 080，杜宾-瓦森统计量1.858 634，F统计量13.126 75。

1.2 模型的检验

模型是否具有经济学意义，统计是否具有足够的可靠性，还需要进行检验。因为建立模型时我们对问题的认识可能存在局限性或者数据可能存在的不可靠性，从而导致结果出现特殊性或者偏差，所以建立好模型之后需要对其进行检验。

1.2.1 拟合度检验

可决系数，也被称为方程拟合优度，是表示预测模型与实际模型的拟合程度，可决系数数值越接近1表示拟合得越好，但通常进行拟合度检验时以数值0.8作为边界值进行衡量。表4中显示，可决系数为0.897 448，大于0.8，表明模型在整体上的拟合优度很好，在接受的范围内。

1.2.2 自相关性检验

杜宾-瓦森(D.W)统计量，用于检验残差序列的一阶自相关性；当D.W值为2时则不存在自相关性，当D.W值接近0时存在正的相关性，当D.W值接近4时则存在负的相关性，但通常在进行检验时，如果D.W值分布在2附近，则认为不存在自相关性。表4 中D.W值为1.858 634，接近于2，说明不存在一阶自相关性。

1.2.3 异方差性检验

在经典的线性回归模型中有一个假定，即回归方程的随机误差项具有相同的方差，而出现异方差，则说明这个模型不符合回归模型。判断模型是否存在异方差性的方法有图示检验法、戈德菲尔德-匡特检验、怀特检验、戈里塞检验等，其中怀特检验对截面数据和时间序列模型都可以进行检验，并且同时能够判断出是哪一个变量引起的异方差性，所以在这里运用怀特检验对模型进行检验。怀特检验的统计量为nR2=2.650 634，由于χ2(4)=9.488>nR2=2.650 634，因此在显著性水平α=0.05的情况下，不存在异方差性。

1.2.4 多重共线性检验

多重共线性说明回归分析模型中变量之间存在高度相关关系或者完全相关关系，导致模型难以准确估计或者失去真正的结果，造成这种现象是由于经济数据的限制使得模型设计不当，导致解释变量间存在相关关系。本文采用简单相关系数矩阵法对多重共线性进行检验，根据表3中的数据显示，大豆价格Y与玉米油产量X1、玉米油价格X2、大豆消费量X3和大豆进口量X4的相关系数分别为0.786 986、0.881 594、0.899 235、0.861 961，并且X2、X3和X4的相关系数均在0.9左右，但在表4的回归分析结果中变量X1、X2、X3、X4的回归系数无法通过显著性检验，因此解释变量之间存在多重共线性，需要进行修正。

1.2.5 显著性检验

F检验是检验回归方程中回归关系的显著性，若回归关系显著则说明回归方程整体显著。从表4看到，F统计量为13.126 75，大于临界值F0.05(4,6)=4.53，所以方程的显著性检验通过。

1.3 模型的修正

根据1.2检验分析说明建立的模型拟合良好，不存在自相关性和异方差性，但存在多重共线性，所以需要对多重共线性进行修正。

修正多重共线性就需要确定变量中哪个变量与其他变量存在共线性，然后采取相应措施进行修正。因为逐步回归法是对变量逐个进行分析，能判断出是哪个变量与其他变量之间存在共线性，所以采用逐步回归法对多重共线性进行修正。逐步回归法分两步进行，第一步，找出最简单的回归模型，具体的操作过程是使变量Y依次与变量X1、X2、X3、X4进行回归分析，并汇总，结果见表5。

表5 回归模型汇总

从表5中可以看出，Y与X3的回归模型的可决系数的值最大，为0.808 642，所以变量Y受到变量X3的影响最大，因此选择变量Y与变量X3的回归模型为初始回归模型。第二步，逐步回归，根据第一步中确定的初始回归模型，分别依次将其他变量导入初始回归模型，找到最佳回归模型。逐步回归的具体步骤是，将变量X1、X2、X4依次导入初始回归模型，然后判断变量回归系数是否通过t检验(在10%显著性水平)，若通过t检验则变量进入模型，若不通过t检验则说明该变量与其他变量存在共线性，该变量不进入模型。具体分析过程为：第一次变量导入时，变量X1的回归系数的t检验值为-1.531 647t0.1(8)=1.859 5，通过t检验，所以变量X2进入模型；第三次变量导入时，变量X4的回归系数t检验值为0.048 073

2 结果与分析

由1.3的修正结果得知，最终模型中的解释变量只有变量X2和X3， 针对修正后的结果再次运用回归分析法对参数进行估计，得到修正后的回归分析结果见表6。

表6 修正后的回归分析结果

注：可决系数0.893 947，调整后的可决系数0.867 434，杜宾-瓦森统计量1.807 037，F统计量33.717 05。

从表6中可以看出，可决系数为0.893 947，说明修正后的模型的拟合优度依然很好，杜宾-瓦森统计量为1.807 037，说明模型依然不存在自相关性。模型对多重共线性进行了修正，模型中变量都通过了t检验，说明模型变量之间不存在共线性，最终得到大豆价格的影响因素模型为：

Y=410.483 0+0.196 343X2+0.250 117X3

对回归结果分析得到，大豆价格89%的变化受玉米油价格和大豆消费量的影响，t统计量的临界值为1.833 1(在10%的显著水平下)，变量X2、X3都通过了t检验，说明玉米油价格和大豆消费量对大豆价格有显著的影响，而且X3系数大于X2系数，表明我国大豆消费量对大豆价格变化的影响较大，使大豆价格有明显的波动。虽然两者对大豆价格影响程度不同，但对大豆价格的影响方向一致。X2和X3对我国大豆价格的影响都是正向的，即当玉米油价格和大豆的消费量增加时，大豆价格也随着上升。所以，如果要使我国大豆价格平稳，不仅要对大豆的供需关系进行调节，还要考虑与我国大豆行业存在竞争关系的其他行业的影响。玉米产业链中的玉米油与大豆产业链中的大豆油是具有竞争关系的替代产品，尤其近年来人们逐渐青睐食用玉米油，因此玉米油价格变化会直接影响大豆油价格，而大豆油价格变化又直接影响大豆价格，所以玉米油价格变化对大豆价格也会产生间接影响。因此，在考虑影响大豆价格的因素时，玉米油价格是不可忽视的影响因素，虽然两者之间没有直接的影响关系，但是研究结果表明两者之间确实存在相关关系。影响大豆价格的因素有很多，不只有玉米油价格和大豆消费量，这就是为什么会在模型中引入随机误差项，因为随机误差包含除了玉米油价格和大豆消费量以外的其他因素对大豆价格影响，同时也包括模型中被剔除的玉米油产量和大豆进口量。

3 结 论

玉米油价格和大豆消费量对大豆价格都有显著的影响，大豆价格与玉米油价格和大豆消费量呈正相关关系。所以当政府在制定政策或实施政策的时候要着重考虑大豆供需平衡和行业之间的竞争关系，同时也要根据市场的供需变化，对农民的春种秋收提供指导性意见，或者政府专门成立一些组织根据地区特点对农民的生产活动进行指导，使农民能够进行科学种植，降低耕种成本的同时获得最大收益。

[1] 赵玉.国际大豆价格传导与均衡的变结构分析[J].统计与信息论坛，2009，24(12)：78-81.

[2] 王锐.国际国内市场大豆价格长短期关系研究——基于协整理论和误差修正模型的实证分析[J].贵州财经学院学报，2012(1)：62-67.

[3] 王杜春，孙丽娟.黑龙江省大豆价格波动影响因素实证分析[J].中国农学通报，2013，29(17)：217-221.

[4] 李建伟，桑虎.大豆价格波动的影响因素分析及对策探讨[J].价格月刊，2013(1)：33-35.

[5] 顾蕊，郭俊芳，田甜.大豆价格波动溢出效应研究[J].价格理论与实践，2013(3)：83-84.

[6] 周佳佳，高强.中国大豆价格风险影响因素的实证分析[J].世界农业，2013(10)：162-167.

[7] 刘欢，张冬青.基于分位数回归的国产大豆价格影响因素分析[J].大豆科学，2014，33(5)：759-763.

[8] 姚巧倩，曹宝明.中国大豆进出口量与大豆价格关系的分析[J].滁州学院学报，2015，17(1)：32-35.

[9] 梁子谦，李小军.影响中国粮食生产的因子分析[J].农业经济问题，2006(11)：19-22.

[10] 肖海峰，王姣.我国粮食综合生产能力影响因素分析[J].农业技术经济，2004(6)：45-49.

[11] 刘书琪，费月升.黑龙江省大豆价格预测分析[J].边疆经济与文化，2004(6)：21-23.

[12] 冯晓.黑龙江省大豆产业发展战略研究[M].北京：科学出版社，2010.

[13] 唐庆春，赵立欣.新年度黑龙江大豆市场行情分析[J].农业展望，2011(11)：14-16.

Analysis of factors affecting soybean price in China

DU Rong, ZHU Lijuan

(Crisis Management Research Institute, School of Economics and Management,Harbin Engineering University, Harbin 150001,China)

In recent years, China’s soybean price fluctuation was significant and showed irregular, the reason for this phenomenon was that the domestic and foreign environment became more and more complicated, economic situation was becoming increasingly grim, the competition in the industry was increasingly fierce, and most of the processing enterprises excessively depended on soybean imports, resulting in that domestic soybean supply exceeded demand at home. The affecting factors on soybean price were analysed and inspected by principle of econometrics and statistics. The results showed that the price of corn oil and soybean consumption had significant influences on soybean price, and they were positively correlated with soybean price. It could provide the constructive suggestions for the government and relevant departments to judge soybean price trend and formulate the related policy.

soybean; econometric model; price; influencing factor

2016-11-07;

2017-03-14

哈尔滨工程大学中央高校基本科研业务费专项(HEUCF150907);哈尔滨工程大学2015级研究生培养基金

杜 蓉(1964)，女，教授，博士，研究方向为管理决策仿真、危机管理(E-mail)1109036208@qq.com。

朱丽娟，硕士研究生(E-mail)zhulijuan231@163.com。

TS222.1； F313.7

A

1003-7969(2017)06-0001-05